[한양대 ERICA] 신용카드 사용자 연체 예측 AI 경진대회

데이터 변수 설명

• index
• Sex: 성별
• Annual_income: 연간 소득
• income_type: 소득 분류

['Commercial associate', 'Working', 'State servant', 'Pensioner', 'Student']

• Education: 교육 수준

['Higher education' ,'Secondary / secondary special', 'Incomplete higher', 'Lower secondary', 'Academic degree']

• family_type: 결혼 여부

['Married', 'Civil marriage', 'Separated', 'Single / not married', 'Widow']

• house_type: 생활 방식

['Municipal apartment', 'House / apartment', 'With parents',

'Co-op apartment', 'Rented apartment', 'Office apartment']

• DAYS_BIRTH: 출생일

데이터 수집 당시 (0)부터 역으로 셈, 즉, -1은 데이터 수집일 하루 전에 태어났음을 의미

• working_day: 업무 시작일

데이터 수집 당시 (0)부터 역으로 셈, 즉, -1은 데이터 수집일 하루 전부터 일을 시작함을 의미

• FLAG_MOBIL: 핸드폰 소유 여부
• work_phone: 업무용 전화 소유 여부
• phone: 전화 소유 여부
• email: 이메일 소유 여부
• occyp_type: 직업 유형
• begin_month: 신용카드 발급 월

데이터 수집 당시 (0)부터 역으로 셈, 즉, -1은 데이터 수집일 한 달 전에 신용카드를 발급함을 의미

• car_reality: 차량 및 부동산 소유 여부

[0 : 두가지 모두 소유 하지않음 , 1: 한가지만 소유, 2: 두가지 모두 소유]

• credit: 사용자의 신용카드 대금 연체를 기준으로 한 신용도

=> 낮을 수록 높은 신용의 신용카드 사용자를 의미함